目前中国制造业正处于转型升级的阶段，智能制造成为中国制造业迈向全球的制胜关键，数字化供应链的落地实施，将为智能制造的实现保驾护航。接下来，我们将为大家介绍数字化供应链在智能制造领域的五个方面典型应用。

一、智能研发与数字化供应链过程仿真

《中国制造》将创新摆在了制造业发展全局的核心位置。“智能研发”是实现强大的创新能力的支柱和必要条件，是智能制造先决水平、提升企业竞争力的核心要素之一。

智能化研发需要实现产品数字化、研发数字化、业务数字化（主要信息数据可以分为关联知识、项目管理、技术参数、产品系列、运营过程等）；不仅仅是就产品本身展开的研制与开发，而是更多的需要强调产品的可制造性、可流通性、安全性、有效性、可销售性（终端销售人员对于产品研发初衷和价值的传递）和客户的满意度，必须站在全价值链的高度来思考和模拟仿真。智能化研发的终极目标只有一个，就是让产品更加顺应中国乃至全球市场的需求。智能研发需要从庞大的用户基盘、用户数据、产业发展导向数据等，以有助于进行完善、可信的市场调研，而超强的研发实力和长期的技术积累、对市场的精准把握，更是研发更好产品的基础。

通过信息化技术实现的数字化的研发管理将大幅提升研发效率、降低研发风险，增强创新能力。在研发过程中运用数字化技术实现虚拟模拟及个性化技术，帮助企业在开发前期即进行产品模拟，产品测试不需要等待硬件到位，即可进行性能测试，将大大帮助缩短研发周期，提高研发效率。通过智能嵌入、大数据和实时数据的管理、分析和分享，以及全面使用贯穿产品周期的开发、制造、物料和使用数据，将大幅降低研发风险，从而降低产品周期管理中其他环节因研发问题导致的潜在损失。

应用可视化技术，数字化供应链能够针对具体的单个产品进行数字化描述，以便在产品周期各（关键）阶段都可以快速的追踪到产品及配件、元件、电子件等各类部件，以帮助研发部门得到及时产品数据，进行产品设计或解决方案优化。这将帮助研发部门减少不必要的数据收集、确认、再收集的过程，从而加快优化效率。

二、智能预测与计划的维度、内容、任务发生了变化

供应链需求预测和计划的目标是形成一个精确可靠的关于市场需求的认识。传统供应链环节多、利益诉求不同、信息不共享，容易导致订单交付流程长，从而对于客户需求的响应周期延长，于是，从订单到交付（ordertodelivery，OTD）的长短以及供应链响应策略，通常决定了供应链过程环节中的库存高低，从而最终决定了企业的盈利能力。通常情况下，订单交付周期越短的企业，响应能力就越强，反之就越差，面对客户对于交付的效率要求，只有不断地备库存，一旦需要备库存了，就涉及到预测和提前期、计划的问题。驱动传统的供应链要素主要有两个：预测和订单。而订单是来源于客户对于既有产品的选择性购买的诉求，客户并未参与定义。在智能制造中，预测和计划已经有了新的维度、工作内容和绩效要求。

在数字化供应链中，采用大数据预测和智能算法模型，通过趋势结合动态实时需求感知、预测市场和重塑市场，从而主动掌控洞察需求。通过产品价值引导和有竞争力的订单响应周期承诺，完善企业的产销协同计划（sales、inventory、operationandplanning，SIOP）系统提供支持，使得管理层能够长远全局战略洞察产销平衡，也能短期柔性应变产销的波动；同时通过工业互联网实时掌控设备与产线的实际能力约束，对不同优先级的订单进行智能排产，把人工智能融入高级排程系统（advancedplanningsystem，APS）中，结合不同的场景，适应性的、分布计算优化。通过制造大数据部署预计库存计划，实时监控智能供应链过程中的差异，应对不确定性。

此外，数字化供应链系统拥有完整的跨企业智能预测和供应链资源计划工作流程，在物联网环境下协作的各方能及时准确地传送需求信息。于是预测可以从供应链的任何一个环节发起，从而促发所有环节的实时响应，即供应商可以给客户发出一个基本预测以便客户在此基础上作回应，也可以是客户先提供一个对基本面的预测然后让供应商作出评估。除了预测信息，关于销售速度、消费者现场体验满意度、库存水平和补货需求等方面的信息同样可以通过大数据的方式在企业和客户间沟通传递。由此也减少了供应链中不同环节采用囤积库存以弥补信息不灵通造成的影响，大大降低了效率损失和运营风险。

3.数字化采购与供应商协同到货

在传统的运营中，各个部门并不是在高度认同的供应链战略和价值导向下运作，同时，鉴于采购业务是整个供应链体系中最晚得到供应信息，却是最早需要提供物料，以保障和支持安定生产，于是由于各类运营过程中差异和风险的存在，容易导致无效供应（还需要面临库存降低压力），从而事实上难以保证生产的正常运作。由于没有实现数字化协同，所以各类变数无法在同一时间传递给所有环节，导致供应链敏感度下降，最终各个环节只能依靠经验（即所谓“拍脑袋”）来做安全库存，以应对变数，随着管理变数的层级增加和时间延长，累积误差自然随之加大，到最终形成了“库存冰山”，反而掩盖了所有的问题。在这种情况下，各个环节KPI指标无法在同一个逻辑上兑现和协同，于是容易产生职责推脱和部门壁垒，供应链一体化自然也就无法实现。

在数字化采购中，要求所有的流程必须拉通，其运作战略是基于高度认同的一个供应链战略协同下开展，各个部门和环节的KPI指标也是基于供应链战略绩效的协同和分解而来，于是所有的参数和指标都在同一个逻辑下展开，形成数字化的作业单元，由于有了数字化供应链协同中心，得以将所有环节的计划-执行-信息-物流等串联起来，形成端到端的纵向管理体系，同时，由于每个订单、每个物料（产品）都有自己的资源要求，容易导致资源再分配计划，所以，供应链运作部门还需要将不同运作逻辑的物料和订单横向协同起来，最终形成互联互通的供应链体系。

这就要求采购方在选择供应商伊始，就要求供应商能够与采购方实现软件互联互通，运营时更是要求实时可视、预警和协同。比如采购方（智能工厂）的计划和预测需要直接传递给供应商的主生产计划系统，供应商的发运计划必须与采购方的作业计划系统对接，先期发运通知（ASN）需要由软件系统完成，而没有人工的参与；并且要求全过程必须条码化（或者采用RFID技术），对交接货物时的标签和信息都有严格和统一的规定。

从运作逻辑而言，就是通过信息平台，承载所有的模块联动，以供应链交付计划为驱动力，联动成品物流计划，形成主生产计划、细化为作业计划，从而拉动供应物流计划、物流配套计划以及产线工位配送计划。在不同的环节和模块协同过程中，总是会出现各类执行误差和数据差异，那么智能化系统需要自我反馈、逐渐主动减少运作误差，从而形成计划-信息-执行的一致性。

从表现形式上而言，形成了“计划—采购—物流—信息”一体化；其任务的本质不再是保证供应，而是有效供应。在数字化采购中，通常采用计划倒排模式，形成精益化、数字化采购，以保证采购-到货的有效性。

在实际采购业务中，先期的主生产计划发布之后，企业供应链计划协同平台根据各个环节的运营参数进行细分，排布详细的作业计划（包含制造作业计划、配套作业计划和物流作业计划），然后进行人工或者自动化作业，过程中追踪差异和变数。如图4是某典型企业数字化采购详细作业计划。

在通常的运作中，各个环节通过扫描条码或者RFID感应进行过程数据的收集，以实时形成计划达成率（采购计划达成率、供应方到货计划达成率、入厂物流计划达成率等），如果该过程中出现运营规则和计划要求的标准之外的偏差和变数，系统将自动抓取该数据，进行实时分析和应急。

上述业务针对每个供应商、每个物料、每个订单实现，以保证横向+纵向管理的协同性和同步性。这些工作的顺利运作，解决了以下问题：

（1）智能化选供应商的问题；

（2）信息流端到端的一致性问题；

（3）实现了全价值链拉通的数字化；

（4）物料来源可追溯、去向可查证；

（5）解决流程导向的纵向链接；

（6）解决单据（信息）流的一贯性；

（7）解决单个环节管理的时序性和唯一性；

（8）保证不同环节运作的横向逻辑关系；

（9）各个环节KPI实时化、自动化抓取，以保证考核的客观性。

显然，快速的、可靠的、整合的、实际的和标准化的信息流通是必要的，以减少有形实物和管理流程上的提前期，从而提高采购业务和入场物流的效率。

4.智能物流配合智能制造强力发展，成为生产的基础和前提

智能制造需要以智能物流作为前提和基础，越来越多的智能制造工厂，（在规划时）将智能制造设施嵌入到智能物流系统中，成为流水线化物流系统的一个不可缺少的环节和部分，从而实现有效运营过程中的无缝对接和联动，由此，通常也称之为“制造工厂智能物流中心化”。与此同时，企业智能化物流也日趋向供应链方向整合和提升（遵从遵守于智能供应链计划和资源协同），其涉及到的智能化要素也越来越专业化和精准化。智能物流系统包含采购环节智能物流、制造环节智能物流和成品环节智能物流，以及回收环节智能物流。

采购环节智能物流主要是供应商的成品如何送达至采购方（供应链核心企业），可能涉及上门收货、先期发运通知（ASN）、EDI互联互通、精益包装、精益配送、经过评审（并且可以互联互通）的第三方物流、到货计划协同、通过式检验、智能化收货、空容器回收、全过程物料足迹追溯等。

制造环节智能物流主要是厂区内部智能仓库、WMS/WCS、智能输送上工位（与智能制造设施对接）、条码/RFID数据识别、智能单元化包装（与机器人对接）、自动化装配技术、双箱制、空容器回收、成品包装下线以及制造过程数据化追溯等。

成品环节智能物流主要是成品进入智能化成品仓库、智能化装车算法、快速智能化装柜技术、智能化成品运输、发货计划协同、分仓流通、经销商智能仓库、全过程导航与追溯等。

回收环节智能物流主要是包装材料、容器具、不良品的智能循环、智能追溯的过程。

在传统的制造型工厂，物流流程一般包括物料包装、收货、检验、仓库、装配线、拣料和发货，大量采用领料、脉冲式送货方式，主要模式是人工、叉车、牵引车、液压托盘车等独立元素（物流作业计划缺乏或者不连接，信息是断档模式、变数不易控制、管理过程不闭环等），即使偶尔采用了自动化物流设备，也只是实现了局部的自动化，且生产主要面向批量生产，不具备柔性化、定制化和智能化的生产特点。在设计初期没有将智能物流纳入智能工厂规划范畴的企业，在运作时容易导致过程不均衡，能力不匹配，数据过程衰减、变化和错位，虽然购买了先进的智能制造设备，但是仍然无法在同一逻辑下联动和完成制造计划。

在个性化的智能制造工厂里，智能物流已成为核心元素。

智能制造需要面向客户定制的产品，属于小批量、多品种生产，物流模式需要采用节拍精准、移动灵活、数据互联互通、实时可视、实时监控的物料输送策略。如通过AGV（或者连续输送模式）从收货区（通过式检验或者免检）到自动化仓储中心（可能使用堆垛机模式、密集存储模式或者多向穿梭小车模式），再连续输送到工位（或者收货后直接输送到工位），设计出面向智能制造的物流输送技术。

5.智能供应链保障生产能力和过程可视化，提高过程的偏差管理和自我协同和调整能力

数字化供应链需要保证信息-物理系统（CPS）的一致性，从而减少执行过程中与计划或标准的偏差，保证企业级的“知行合一”。但是，在实际运作过程中，难免存在各类变数带来的过程偏差甚至瓶颈，偏差如果不能实现过程的可视化，瓶颈容易长期积累形成隐患，当其爆发时，往往导致供应链的“掉链子”，其后果轻则造成停产或者断供，重则可能为企业带来莫大的风险甚至灾难。

数字化供应链在保证过程一致性的同时，需要建立过程偏差场景设定、识别和响应流程，更需要设定变数预警、瓶颈和风险识别、应急预案和应急物流管理模式。

传统供应链管理过程中，可能有偏差数据的统计和可视化通知，通知的对象是操作团队或者监控团队，但是，往往不能保证偏差数据抓取、通知的实时性和真实性，从而难以保证应对的及时性和有效性，导致供应链系统的累积误差；比如，供应商端出现了诸如翻车、批量不合格、停电等因素导致的问题，主要是通过打电话、发传真（而不是系统）等方式告知管理人员；仓库端如果找不到物料，通过人工当面沟通或者对讲机通报；制造端如果设施故障导致计划变更，通过开会或者对讲机沟通……都无法保证全过程的数字化和数据化，更无法给后续相关环节以足够的时间应对，容易导致无法交付、无法追溯、无法查询。

数字化供应链的偏差管理，是通过智能化的数据抓取方式，直接通过系统传递给关联系统或者智能设施，“看”偏差数据的可能不是人，而是整个供应链系统，实时的进行有效反馈和处理。